無料・無制限・登録不要のテキスト読み上げ：自分のPCで動かす方法

オンライン読み上げに制限がある理由

Webサービスは自社のグラフィックカードでテキストを合成し、その稼働時間に費用を払っています。そのため無料プランは文字数を制限し、数えるためにアカウントを求め、残りは有料プランに回します。

モデルが自分のPCで動けば、処理するのは自分のCPUです。数えるものも課金するものもないので、制限もありません。

必要なもの

普通のPCで十分です。

• Python 3.10 以降が入った Windows、macOS、Linux、または Docker。
• Supertonic 3 モデル用の約400MBの空き容量（ダウンロードは1回）。
• 音声：JSON ファイル1つ。無料の音声はアカウントなしでダウンロードできます。
• グラフィックカード不要：NVIDIA は高速化するだけです。

ステップ1：無料の音声をダウンロード

カタログの無料音声ページを開き、デモを聴いて、気に入った音声の「無料でダウンロード」を押します。登録は不要です。同じ無料音声は、音声サンプル付きで GitHub リポジトリにもあります。

Supertonic 3 には男性5種・女性5種、計10種のプリセット音声もあり、その JSON ファイルもエンジンで使えます。

ステップ2：エンジンをインストール

SuperClonica エンジンは python -m pip install superclonica-cpu の1行でインストールできます。NVIDIA のグラフィックカードには superclonica-gpu-cuda を使い、CUDA と cuDNN は pip が自動で入れます。コンテナを使うなら、Docker Hub の superclonica/superclonica イメージが同じエンジンを HTTP サーバーとして動かします。

ステップ3：好きなだけ読み上げる

superclonica --text "テキスト" --voice voice.json --lang ja --output speech.wav の1行で読み上げます。モデルは初回にダウンロードされ、その後はインターネットなしで動きます。

長文も問題ありません。エンジンが自然な区切りで分割し、1つのファイルにまとめます。8コアのデスクトップCPUでは実時間の6.4〜9.7倍速と見積もっており、1時間分の音声はおよそ6〜10分で生成できます。

何が無料なのか

試用期間も文字数カウンターもありません。

• SuperClonica エンジン：無料、Apache 2.0 ライセンス。
• Supertonic 3 モデル：無料、OpenRAIL-M ライセンス。利用制限の範囲で商用利用も可能です。
• カタログの無料音声と Supertonic 3 のプリセット音声。
• どの音声のページでも、1フレーズを無料でオンライン生成。
• 有料の音声は買い切りでサブスクなし。ファイルは手元に残ります。

無料のオンライン手段とその限界

何もインストールできない場合、OS やブラウザ内蔵の音声は無料・無制限で読み上げますが、明らかに機械的な声です。オンラインのニューラル音声は自然ですが、無料プランは制限があり登録が必要です。ローカルのニューラルモデルなら、自然な声と無制限の両方が手に入ります。